CN1761318A

CN1761318A - 住宅内警报系统上的异常状态自动识别方法和网络冰箱

Info

Publication number: CN1761318A
Application number: CN 200410067027
Authority: CN
Inventors: 金圣勋
Original assignee: LG Electronics Kunshan Computer Co Ltd
Current assignee: LG Electronics Kunshan Computer Co Ltd
Priority date: 2004-10-11
Filing date: 2004-10-11
Publication date: 2006-04-19

Abstract

本发明是有关住宅内警报系统上的异常状态自动识别方法和网络冰箱的技术，提供分为从摄像机模块取得现在状态图像数据的步骤、取得参照图像数据和上述现在状态图像数据间的差值图像数据的步骤、从上述差值图像数据判断是否含有超过临界值变化的步骤、若含有变化，就以差值图像数据为对象，运行分群后，从选择最大群集而取得的面积信息判断是否含有超过临界值的异常状态的步骤。本发明利用网络冰箱的摄像机，可以体现可自动识别异常状态的警报系统，在住宅内出现侵入者，就把这些判断为异常状态，并利用互联网，可以把警告信息与图像传送到警方或保安公司或用户的手机。

Description

住宅内警报系统上的异常状态自动识别方法和网络冰箱

(1)技术领域

本发明是有关住宅内警报系统上的异常状态自动识别方法和设备的技术，尤其是指通过住宅内家电产品的摄像机模块提供的图像，自动感应不速之客进入等异常状态的一种住宅内警报系统上的异常状态自动识别方法和网络冰箱。

(2)背景技术

随着网络冰箱等趋于普及，试图以此作为住宅服务器使用的人也逐渐增加。即，用网络完成冰箱等的维护/维修，并有效控制其它厨房家电也变为可能。

但至今为止，在网络冰箱等家电，视频摄像机仅适用于电子相簿等附加功能，还没有开发出适当组合摄像机和网络的功能。

另外，至今为止利用网络的警报系统只传送以一定时间为周期，反复取得的监视对象的图像，未能体现自动识别异常情况存在与否的功能。其理由是，为了体现自动识别功能，需要运行的计算量较多，并且运行计算的服务器受空间制约，很难设置在监视区域。

于是，根据现有技术，需要以人为确认传送到监视区域图像的后续工序，为此人工费也上升。因此，个人使用警报系统是实际上很难实现。于是，要求出现监视区域局限在计算量较少的室内环境，并能以廉价体现其功能的新的警报发出体系。

(3)发明内容

本发明是为克服上述现有技术存在的局限性而出世，其目的在于，用家电产品和可远程操作的摄像机监视对象区域，并提供自动识别异常状态，通过网络发出警告信息的一种住宅内警报系统上的异常状态自动识别方法。

本发明的其它目的在于，提供体现上述异常状态自动识别方法的网络冰箱。

为了实现上述目的，本发明的住宅内警报系统上的异常状态自动识别方法分为如下步骤：

从摄像机模块取得现在状态图像数据的步骤、取得参照图像数据和上述现在状态图像数据间的差值图像数据的步骤、从上述差值图像数据判断是否含有超过临界值变化的步骤、若含有变化，就以上述差值图像数据为对象，运行分群后，从选择最大群集而取得的面积信息判断是否含有超过临界值的异常状态的步骤。

上述异常状态自动识别方法可以体现在住宅内的各种电子产品，较为合理的是包括可支持网络功能的冰箱。

于是，在有关可进行网络通讯，而且包括可处理一定记录媒介储存数据的通用软件在内的冰箱，本发明提供包括记录旨在实行如下步骤软件的记录媒介在内的网络冰箱：

具有可进行远程传送的摄像机，并从上述摄像机模块取得现在状态图像数据的步骤、取得参照图像数据和上述现在状态图像数据间的差值图像数据的步骤、从上述差值图像数据判断是否含有超过临界值变化的步骤、若含有变化，就以上述差值图像数据为对象，运行分群后，从选择最大群集而取得的面积信息判断是否含有超过临界值的异常状态的步骤。

在上述步骤，可用于图像分群的运算法则不要求特别做限制。于是，此前普遍使用的阶层性或非阶层性的分群运算法则均可适用于本发明。阶层性运算法则有凝聚法(Agglomerative Approach)、分裂法(Divisive Approach)；非阶层性运算法则具有代表性的有K-平均运算法则。

另外，上述记录媒介有可能是磁性储存媒介(比如，只读存储器、软盘、硬盘等)和光学解读媒介(比如，CD-ROM、DVD)及截波(比如，利用互联网的传送)之类的媒介。

另外，通用软件是指以中央处理器(CPU)为中心的运行体系、局域网管理器、密码处理器、内存及数据总线结构等，因这些均属于具有本发明技术领域一般知识的人能够明白的事项，将省略对此的详细说明。

本发明的效果：

本发明的住宅内警报系统上的异常状态自动识别方法和网络冰箱，利用网络冰箱的摄像机，可以体现可自动识别异常状态的警报系统。于是，如果住宅内出现侵入者，就把这些判断为异常状态，并利用互联网，可以把警告信息与图像传送到警方或保安公司或用户的手机。

为进一步说明本发明的上述目的、结构特点和效果，以下将结合附图对本发明进行详细的描述。

(4)附图说明

图1表示本发明网络冰箱显示器的一个实施例示图。

图2表示设定模式的一个实施例示图。

图3表示活性模式的一个实施例示图。

图4表示适用于本发明的异常状态识别运算法则(Algorithm)的具体例子。

附图中主要部分的符号说明：

1：正常图像输入部 2：异常图像输入部

3：摄像周期输入部 4：通报地址输入部

10：输入栏 20：显示图像(Image)栏

(5)具体实施方式

下面，将参照实施例的附图，详细说明本发明的住宅内警报系统上的异常状态自动识别方法和网络冰箱的内容。

本发明的住宅内警报系统上的异常状态自动识别方法是利用的可进行网络通讯，而且包括可处理一定记录媒介储存数据的通用软件在内的网络冰箱。

图1表示，本发明的网络冰箱显示器的实施例示图。

图标‘防犯’以两个模式(设定模式、活性模式)组成。

设定模式如附图2所示那样，具有输入栏10和显示图像栏20。其中，正常图像输入部1是提供把现在显示图像栏20捕获的正常状态图像定为参照图像数据的部件。于是，点击上述正常图像输入部1时，现在捕获的右侧显示图像作为参照图像数据储存在储存设备。

异常图像输入部2是提供旨在设定上述储存的参照图像数据与现在捕获状态的图像之间的差值图像临界值、根据显示图像分群法取得的变化最大群集面积的临界值的部件。上述差值图像临界值和面积临界值是用户可以选择的数值，可以靠经验设置。比如，差值图像在正常状态，也可以根据时间，像素本身的亮度发生变化。于是，因自然状态下的亮度变化不属于异常状态，应能够判断为正常状态。这一结果可以用经验进行测试，并把此数值设定为临界值，还有必要在之后的判断过程只考虑超过这一数值的图像。在差值图像，现在图像变化即使被判断为较大变化，面积的临界值也可通过其它因素，如鼠、蛾、或光的影响引发。这一情况也应能够被判断为正常状态，为此，有必要在含有变化的群中设定最大面积的临界值。于是，因不超过临界值的变化不能被判断为侵入者引发的变化，这时，有可能识别为正常状态。

摄像周期输入部3是提供旨在设定装在冰箱的摄像机(没有图示)摄像周期的部件。根据用户的要求，以任意时间设定摄像周期较为合理。

通报地址输入部4是判断为异常状态时，通过网络给警方、保安公司、用户携带的有线或无线终端机，输入旨在传送图像和一定警告信息的地址的部件。上述警告信息可能包括语音或声音或文字等所有信息。在输入栏10中还有“修改”和“删除”键，在显示图像栏20中还有“捕获”和“关闭”键。

活性模式如附图3所示那样，每摄像周期拍摄的图像显示在左侧，右侧显示现在状态的图像。在活性模式，根据设定模式决定的摄像时间周期，开放摄像机后，捕获图像。捕获的图像根据将在后面说明的附图4的异常状态识别运算法则，与参照图像数据比较后，如果识别为异常状态，就通过互联网传送到设定警告信息和现在图像的通报地址。

下面，将参照附图4，说明适用于本发明的异常状态识别运算法则的具体例子。

在步骤401，设定初期值，把用于判断异常状态图像标准的参数(Parameter)提前指定为符合监视状况的适当值。

在步骤402，参照图像初始化，储存正常状态的灰度图像Ir，并把它作为判断异常状态的标准。

在步骤403，开放摄像机，对摄像机进行初始化，做拍摄准备；

在步骤404，取得显示图像，从无线连接的摄像机模块取得现在的图像In。

在步骤405，计算差值图像，计算参照图像数据和现在状态图像数据间的差值图像，从差值图像的绝对值得出像素的灰度合计d。

d＝∑|Ir-In|

在步骤406，判断是否存在巨变？如果差值图像的绝对值的灰度合计d超过临界值dr，就判断为比此前图像发生巨变。如果不超过临界值dr，就判断为正常状态。

在步骤407，判断为发生巨变时分群，运行利用K-平均运算法则的显示图像分群。

在步骤408，计算异常区域的面积，以此计算运行分群的最大群集的面积。

在步骤409，判断是否存在异常状态？上述步骤408的结果将与步骤409已设定面积的临界值Sr做比较，如果超过这个值，就最终判断为异常状态。

在步骤410，异常状态时传送图像/警告信息。

在步骤411，是运行上述过程后更新参照图像的步骤，是在上述步骤406中判定不存在巨变时用现在参照图像Ir和现在图像In的平均值设定可能要更新的参照图像I′r较为合理。

I′r＝(Ir+In)/2

然后，在步骤412关闭摄像机。

在步骤413，推迟一定时间后，重新返回到步骤403，反复其全过程。

本技术领域中的普通技术人员应当认识到，以上的实施例仅是用来说明本发明，而并非用作为对本发明的限定，只要在本发明的实质精神范围内，对以上所述实施例的变化、变型都将落在本发明权利要求书的范围内。

Claims

1、一种住宅内警报系统上的异常状态自动识别方法，其特征在于包括如下步骤：

从摄像机模块取得现在状态图像数据的步骤；

取得参照图像数据和上述现在状态图像数据间的差值图像数据的步骤；

从上述差值图像数据判断是否含有超过临界值变化的步骤；

若含有变化，就以差值图像数据为对象，运行分群后，从选择最大群集而取得的面积信息判断是否含有超过临界值的异常状态的步骤。

2、如权利要求1所述的住宅内警报系统上的异常状态自动识别方法，其特征在于：

所述的分群是以阶层性或非阶层性分群运算法则运行的自动识别方法。

3、如权利要求1所述的住宅内警报系统上的异常状态自动识别方法，其特征在于：

所述的分群是以K-平均运算法则运行的自动识别方法。

4、如权利要求1所述的住宅内警报系统上的异常状态自动识别方法，其特征在于：

所述的参照图像数据是以前一个周期的参照图像数据和现在状态图像数据的平均值计算的自动识别方法。

5、一种如权利要求1所述的住宅内警报系统上的异常状态自动识别方法使用的可进行网络通讯，而且包括可处理一定记录媒介储存数据的通用软件在内的网络冰箱，其特征在于实行如下步骤软件的记录媒介：

具有可进行远程传送的摄像机，并从上述摄像机模块取得现在状态图像数据的步骤；

从上述差值图像数据判断是否含有超过临界值变化的步骤；

若含有变化，就以上述差值图像数据为对象，运行分群后，从选择最大群集而取得的面积信息判断是否含有超过临界值的异常状态的步骤。

6、如权利要求5所述的网络冰箱，其特征在于：

所述的分群是以阶层性或非阶层性分群运算法则运行。

7、如权利要求5所述的网络冰箱，其特征在于：

所述的分群是以K-平均运算法则运行。

8、如权利要求5所述的网络冰箱，其特征在于：

所述的参照图像数据是以前一个周期的参照图像数据和现在状态图像数据的平均值计算。